CN110837089B - 一种位移填补的方法和相关装置 - Google Patents

Abstract

本申请公开了一种位移填补的方法和相关装置，该方法包括：在t_n‑2时刻、t_n‑1时刻和t_n时刻均被第一车辆点云识别到车辆为第二车辆；识别第二车辆对应的t_n时刻点云数据，获得第二车辆与第一车辆的相对位移s_n；根据相对位移s_n和填补位移Δs，获得第二车辆与第一车辆的实际相对位移s_n′；填补位移Δs是基于第二车辆对应的t_n‑2时刻点云数据、t_n‑1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n‑2、相对速度v_n‑2、相对位移s_n‑1和相对速度v_n‑1运算获得的。可见，基于相对位移s_n‑2、相对速度v_n‑2、相对位移s_n‑1和相对速度v_n‑1，预先运算t_n时刻点云数据识别后需要填补的填补位移Δs，利用其对相对位移s_n填补得到的实际相对位移s_n′，减少延时差异，避免滞后不准确的问题。

Description

一种位移填补的方法和相关装置

技术领域

本申请涉及车辆数据处理技术领域，尤其涉及一种位移填补的方法和相关装置。

背景技术

在驾驶车辆时，尤其是无人驾驶时，需要明确其他车辆与自身车辆的相对位移。目前，自身车辆一般通过激光雷达进行点云识别获得其他车辆与自身车辆的相对位移，具体地，将其他车辆对应的点云数据输入点云识别算法，输出获得其他车辆与自身车辆的相对位移。

但是，发明人经过研究发现，点云识别算法需要一定的计算时间，而在点云识别算法计算过程中，自身车辆以及其他车辆依然继续移动，则点云识别算法获得的其他车辆与自身车辆的相对位移相较于实际相对位移存在一定的延时差异，即，点云识别算法获得的其他车辆与自身车辆的相对位移存在滞后不准确的问题。

发明内容

有鉴于此，本申请实施例提供一种位移填补的方法和相关装置，实现对点云识别算法获得的其他车辆与自身车辆的相对位移的有效填补，减少延时差异，避免滞后不准确的问题。

第一方面，本申请实施例提供了一种位移填补的方法，该方法包括：

将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆；

识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n；

根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。

可选的，所述填补位移Δs的获得步骤，包括：

识别所述t_n-2时刻点云数据获得所述相对位移s_n-2和所述相对速度v_n-2；

识别所述t_n-1时刻点云数据获得所述相对位移s_n-1和所述相对速度v_n-1；

基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs。

可选的，所述基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs，包括：

基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，利用预设加速度公式获得加速度a；

基于所述相对速度v_n-1、所述加速度a和填补时间Δt，利用预设位移公式获得所述填补位移Δs；

其中，所述预设加速度公式为

所述预设位移公式为

可选的，还包括：

识别所述t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对速度v_n；

根据所述相对速度v_n和填补速度Δv，获得所述第二车辆与所述第一车辆的实际相对速度v_n′；所述填补速度Δv是基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt运算获得的。

可选的，所述填补速度Δv获得步骤，具体为：

基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt，利用预设速度公式获得所述填补速度Δv；

其中，所述预设速度公式为Δv＝vn-1+aΔt。

可选的，所述将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆，包括：

记录所述第一车辆在所述t_n-2时刻点云识别到各个其他车辆对应的标识形成t_n-2时刻车辆标识集；记录所述第一车辆在所述t_n-1时刻点云识别到各个其他车辆对应的标识形成t_n-1时刻车辆标识集；记录所述第一车辆在所述t_n时刻点云识别到各个其他车辆对应的标识形成t_n时刻车辆标识集；

基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆。

可选的，所述基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆，包括：

基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算获得车辆标识交集；

当所述车辆标识交集为非空集合时，将所述车辆标识交集中每个车辆标识对应的车辆确定为所述第二车辆。

第二方面，本申请实施例提供了一种位移填补的装置，该装置包括：

确定单元，用于将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆；

第一获得单元，用于识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n；

第二获得单元，用于根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。

第三方面，本申请实施例提供了一种终端设备，该终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述第一方面任一项所述的位移填补的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面任一项所述的位移填补的方法。

与现有技术相比，本申请至少具有以下优点：

采用本申请实施例的技术方案，在t_n-2时刻、t_n-1时刻和t_n时刻均被第一车辆点云识别到车辆为第二车辆；将第二车辆对应的t_n时刻点云数据输入识别算法获得第二车辆与第一车辆的相对位移s_n；根据相对位移s_n和填补位移Δs，获得第二车辆与第一车辆的实际相对位移s_n′；填补位移Δs是基于第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。由此可见，基于相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1，预先运算t_n时刻点云数据识别后需要填补的填补位移Δs，利用其对相对位移s_n填补得到的实际相对位移s_n′，实现对相对位移s_n的有效填补，减少延时差异，避免滞后不准确的问题。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例中一种应用场景所涉及的系统框架示意图；

图2为本申请实施例提供的一种位移填补的方法的流程示意图；

图3为本申请实施例提供的一种位移填补的装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

现阶段，在无人驾驶场景下，自身车辆通常通过激光雷达获得其他车辆对应的点云数据输入点云识别算法，输出获得其他车辆与自身车辆的相对位移。但是，发明人经过研究发现，点云识别算法需要一定的计算时间，而在点云识别算法计算过程中，自身车辆以及其他车辆依然继续移动，则点云识别算法获得的其他车辆与自身车辆的相对位移相较于实际相对位移存在一定的延时差异，即，点云识别算法获得的其他车辆与自身车辆的相对位移存在滞后不准确的问题。

为了解决这一问题，在本申请实施例中，在t_n-2时刻、t_n-1时刻和t_n时刻均被第一车辆点云识别到车辆为第二车辆；将第二车辆对应的t_n时刻点云数据输入识别算法获得第二车辆与第一车辆的相对位移s_n；根据相对位移s_n和填补位移Δs，获得第二车辆与第一车辆的实际相对位移s_n′；填补位移Δs是基于第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。由此可见，基于相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1，预先运算t_n时刻点云数据识别后需要填补的填补位移Δs，利用其对相对位移s_n填补得到的实际相对位移s_n′，实现对相对位移s_n的有效填补，减少延时差异，避免滞后不准确的问题。

举例来说，本申请实施例的场景之一，可以是应用到如图1所示的场景中，该场景包括第一车辆101、电子控制单元102和第二车辆103，电子控制单元102属于第一车辆101，当电子控制单元102在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到第二车辆103，针对t_n时刻而言，利用本申请实施例的实施方式获得第二车辆103与第一车辆101的实际相对位移。该实际相对位移相较于现有技术获得的相对位移更准确。

可以理解的是，在上述应用场景中，虽然将本申请实施方式的动作描述由电子控制单元102执行，但是，本申请在执行主体方面不受限制，只要执行了本申请实施方式所公开的动作即可。

可以理解的是，上述场景仅是本申请实施例提供的一个场景示例，本申请实施例并不限于此场景。

下面结合附图，通过实施例来详细说明本申请实施例中位移填补的方法和相关装置的具体实现方式。

示例性方法

参见图2，示出了本申请实施例中一种位移填补的方法的流程示意图。在本实施例中，所述方法例如可以包括以下步骤：

步骤201：将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆。

需要说明的是，自身车辆通常通过激光雷达获得其他车辆对应的点云数据输入点云识别算法，输出获得其他车辆与自身车辆的相对位移。点云识别算法需要一定的计算时间，而在点云识别算法计算过程中，自身车辆以及其他车辆依然继续移动，则点云识别算法获得的其他车辆与自身车辆的相对位移相较于实际相对位移存在滞后不准确的问题。因此，在本申请实施例中，考虑基于其他车辆对应的相邻三个时刻点云数据中前两个时刻点云数据识别获得的其他车辆与自身车辆的相对位移和相对速度，计算其中最后一个时刻点云数据识别获得的其他车辆与自身车辆的相对位移需要填补的位移以实现位移填补。

由上述说明可知，只有当自身车辆在相邻三个时刻均识别到某个其他车辆，才需要对该其他车辆对应的相邻三个时刻中最后一个时刻点云数据识别获得其他车辆与自身车辆的相对位移进行位移填补。在本申请实施例中，将自身车辆记为第一车辆，则将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻这三个时刻均点云识别到其他车辆确定为第二车辆，表示t_n时刻点云数据识别获得第二车辆与第一车辆的相对位移能够采用本申请实施例的方式进行位移填补，其中，n为大于等于2的正整数。

需要说明的是，各个其他车辆均具有标记唯一身份的标识，对比分析第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻分别点云识别到各个其他车辆对应的标识，即可确定第二车辆。具体地，首先，分别记录第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻点云识别到各个其他车辆对应的标识，形成t_n-2时刻车辆标识集、t_n-1时刻车辆标识集和t_n时刻车辆标识集三个集合；然后，对上述三个集合进行交集运算，即可查找到第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻这三个时刻均点云识别到其他车辆，即，确定第二车辆。因此，在本申请实施例一种可选的实施方式中，所述步骤201例如可以包括以下步骤：

步骤A：记录所述第一车辆在所述t_n-2时刻点云识别到各个其他车辆对应的标识形成t_n-2时刻车辆标识集；记录所述第一车辆在所述t_n-1时刻点云识别到各个其他车辆对应的标识形成t_n-1时刻车辆标识集；记录所述第一车辆在所述t_n时刻点云识别到各个其他车辆对应的标识形成t_n时刻车辆标识集；

步骤B：基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆。

其中，对tn-2时刻车辆标识集、t_n-1时刻车辆标识集和t_n时刻车辆标识集进行交集运算可以获得一个交集，记为车辆标识交集，当车辆标识交集为非空集合时，表示第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到一个或多个其他车辆，则该车辆标识交集中每个车辆标识对应的车辆为第二车辆。因此，在本申请实施例一种可选的实施方式中，所述步骤B例如可以包括以下步骤：

步骤B1：基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算获得车辆标识交集；

步骤B2：当所述车辆标识交集为非空集合时，将所述车辆标识交集中每个车辆标识对应的车辆确定为所述第二车辆。

作为一种示例，分别记录第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻点云识别到各个其他车辆对应的标识，形成的t_n-2时刻车辆标识集为{A、B、C}，t_n-1时刻车辆标识集为{B、C、D}，t_n时刻车辆标识集为{B、E、F}，交集运算获得的车辆标识交集为{B}，该车辆标识交集为非空集合，则将车辆标识“B”对应的车辆确定为第二车辆。

步骤202：识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n。

可以理解的是，当第二车辆在t_n时刻被第一车辆点云识别到，首先需要将第二车辆对应的t_n时刻点云数据输入点云识别算法，以获得第二车辆与第一车辆的相对位移s_n。

步骤203：根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。

可以理解的是，上述第二车辆与第一车辆的相对位移s_n相较于实际相对位移存在滞后不准确的问题，因此，在本申请实施例中，基于第二车辆对应的t_n-2时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-2和相对速度v_n-2，以及第二车辆对应的t_n-1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-1和相对速度v_n-1，可以预先运算获得填补位移Δs，利用该填补位移Δs填补上述相对位移s_n，获得第二车辆与第一车辆的实际相对位移s_n′。

具体地，首先，需要将t_n-2时刻点云数据输入点云识别算法，获得第二车辆与第一车辆的相对位移s_n-2和相对速度v_n-2；然后，还需要将t_n-1时刻点云数据输入点云识别算法，获得第二车辆与第一车辆的相对位移s_n-1和相对速度v_n-1；最后，根据相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1，进行一系列的运算即可得到一个填补位移Δs。因此，在本申请实施例一种可选的实施方式中，所述步骤203中填补位移Δs例如可以包括以下获得步骤：

步骤C：识别所述t_n-2时刻点云数据获得所述相对位移s_n-2和所述相对速度v_n-2；

步骤D：识别所述t_n-1时刻点云数据获得所述相对位移s_n-1和所述相对速度v_n-1；

步骤E：基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs。

其中，需要说明的是，对于相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1而言，首先需要代入预设加速度公式，计算得到加速度a，然后才能将相对速度v_n-1、加速度a和填补时间Δt，代入预设位移公式，计算得到填补位移Δs，表示可预先计算得到的对应相对位移s_n的最合适的填补位移。因此，在本申请实施例一种可选的实施方式中，所述步骤E例如可以包括以下步骤：

步骤E1：基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，利用预设加速度公式获得加速度a；

步骤E2：基于所述相对速度v_n-1、所述加速度a和填补时间Δt，利用预设位移公式获得所述填补位移Δs；

其中，所述预设加速度公式为

所述预设位移公式为

需要说明的是，自身车辆通常通过激光雷达获得其他车辆对应的点云数据输入点云识别算法，输出获得的其他车辆与自身车辆的相对速度，相对位移相较于实际相对速度同样存在一定的延时差异，即，点云识别算法获得的其他车辆与自身车辆的相对速度同样存在滞后不准确的问题。因此，同样考虑考虑基于其他车辆对应的相邻三个时刻点云数据中前两个时刻点云数据识别获得的其他车辆与自身车辆的相对位移和相对速度，计算其中最后一个时刻点云数据识别获得的其他车辆与自身车辆的相对位移需要填补的速度以实现速度填补。实际上，根据相对速度v_n-1、加速度a和填补时间Δt，即可运算获得的填补速度Δv。即，在本申请实施例一种可选的实施方式中，例如还可以包括以下步骤：

步骤F：识别所述t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对速度v_n；

步骤G：根据所述相对速度v_n和填补速度Δv，获得所述第二车辆与所述第一车辆的实际相对速度v_n′；所述填补速度Δv是基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt运算获得的。

需要说明的是，对于相对速度v_n-1、加速度a和填补时间Δt而言，代入预设速度公式，可计算得到填补速度Δv，表示可预先计算得到的对应相对速度v_n的最合适的填补速度。因此，在本申请实施例一种可选的实施方式中，所述填补速度Δv获得步骤例如具体可以为：基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt，利用预设速度公式获得所述填补速度Δv；其中，所述预设速度公式为Δv＝vn-1+aΔt。

通过本实施例提供的各种实施方式，在t_n-2时刻、t_n-1时刻和t_n时刻均被第一车辆点云识别到车辆为第二车辆；将第二车辆对应的t_n时刻点云数据输入识别算法获得第二车辆与第一车辆的相对位移s_n；根据相对位移s_n和填补位移Δs，获得第二车辆与第一车辆的实际相对位移s_n′；填补位移Δs是基于第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。由此可见，基于相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1，预先运算t_n时刻点云数据识别后需要填补的填补位移Δs，利用其对相对位移s_n填补得到的实际相对位移s_n′，实现对相对位移s_n的有效填补，减少延时差异，避免滞后不准确的问题。

示例性装置

参见图3，示出了本申请实施例中一种位移填补的装置的结构示意图。在本实施例中，所述装置例如具体可以包括：

确定单元301，用于将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆；

第一获得单元302，用于识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n；

第二获得单元303，用于根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。

在本申请实施例一种可选的实施方式中，所述装置还包括填补位移Δs获得单元，所述填补位移Δs获得单元包括：

第一获得子单元，用于识别所述t_n-2时刻点云数据获得所述相对位移s_n-2和所述相对速度v_n-2；

第二获得子单元，用于识别所述t_n-1时刻点云数据获得所述相对位移s_n-1和所述相对速度v_n-1；

第二获得子单元，用于基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs。

在本申请实施例一种可选的实施方式中，所述第三获得子单元包括：

第一获得模块，用于基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，利用预设加速度公式获得加速度a；

第二获得模块，用于基于所述相对速度v_n-1、所述加速度a和填补时间Δt，利用预设位移公式获得所述填补位移Δs；

其中，所述预设加速度公式为

所述预设位移公式为

在本申请实施例一种可选的实施方式中，还包括：

第三获得单元，用于识别所述t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对速度v_n；

第四获得单元，用于根据所述相对速度v_n和填补速度Δv，获得所述第二车辆与所述第一车辆的实际相对速度v_n′；所述填补速度Δv是基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt运算获得的。

在本申请实施例一种可选的实施方式中，所述装置还包括填补速度Δv获得单元，所述填补速度Δv获得单元具体用于：

基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt，利用预设速度公式获得所述填补速度Δv；

其中，所述预设速度公式为Δv＝vn-1+aΔt。

在本申请实施例一种可选的实施方式中，所述确定单元301包括：

记录所述第一车辆在子单元，用于记录所述第一车辆在所述t_n-2时刻点云识别到各个其他车辆对应的标识形成t_n-2时刻车辆标识集；记录所述第一车辆在所述t_n-1时刻点云识别到各个其他车辆对应的标识形成t_n-1时刻车辆标识集；记录所述第一车辆在所述t_n时刻点云识别到各个其他车辆对应的标识形成t_n时刻车辆标识集；

确定子单元，用于基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆。

在本申请实施例一种可选的实施方式中，所述确定子单元包括：

第三获得模块，用于基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算获得车辆标识交集；

确定模块，用于当所述车辆标识交集为非空集合时，将所述车辆标识交集中每个车辆标识对应的车辆确定为所述第二车辆。

通过本实施例提供的各种实施方式，在t_n-2时刻、t_n-1时刻和t_n时刻均被第一车辆点云识别到车辆为第二车辆；将第二车辆对应的t_n时刻点云数据输入识别算法获得第二车辆与第一车辆的相对位移s_n；根据相对位移s_n和填补位移Δs，获得第二车辆与第一车辆的实际相对位移s_n′；填补位移Δs是基于第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的第二车辆与第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的。由此可见，基于相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1，预先运算t_n时刻点云数据识别后需要填补的填补位移Δs，利用其对相对位移s_n填补得到的实际相对位移s_n′，实现对相对位移s_n的有效填补，减少延时差异，避免滞后不准确的问题。

此外，本申请实施例还提供了一种终端设备，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行上述方法实施例所述的位移填补的方法。

本申请实施例还提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述方法实施例所述的位移填补的方法。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制。虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请。任何熟悉本领域的技术人员，在不脱离本申请技术方案范围情况下，都可利用上述揭示的方法和技术内容对本申请技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本申请技术方案的内容，依据本申请的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本申请技术方案保护的范围内。

Claims (8)

1.一种位移填补的方法，其特征在于，包括：

将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆；所述将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆，包括：记录所述第一车辆在所述t_n-2时刻点云识别到各个其他车辆对应的标识形成t_n-2时刻车辆标识集；记录所述第一车辆在所述t_n-1时刻点云识别到各个其他车辆对应的标识形成t_n-1时刻车辆标识集；记录所述第一车辆在所述t_n时刻点云识别到各个其他车辆对应的标识形成t_n时刻车辆标识集；基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆；

识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n；

根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的；

所述填补位移Δs的获得步骤，包括：

识别所述t_n-2时刻点云数据获得所述相对位移s_n-2和所述相对速度v_n-2；

识别所述t_n-1时刻点云数据获得所述相对位移s_n-1和所述相对速度v_n-1；

基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs。

2.根据权利要求1所述的方法，其特征在于，所述基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs，包括：

基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，利用预设加速度公式获得加速度a；

基于所述相对速度v_n-1、所述加速度a和填补时间Δt，利用预设位移公式获得所述填补位移Δs；

其中，所述预设加速度公式为

所述预设位移公式为

3.根据权利要求2所述的方法，其特征在于，还包括：

识别所述t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对速度v_n；

根据所述相对速度v_n和填补速度Δv，获得所述第二车辆与所述第一车辆的实际相对速度v_n′；所述填补速度Δv是基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt运算获得的。

4.根据权利要求3所述的方法，其特征在于，所述填补速度Δv获得步骤，具体为：

基于所述相对速度v_n-1、所述加速度a和所述填补时间Δt，利用预设速度公式获得所述填补速度Δv；

其中，所述预设速度公式为Δv＝v_n-1+aΔt。

5.根据权利要求1所述的方法，其特征在于，所述基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆，包括：

基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算获得车辆标识交集；

当所述车辆标识交集为非空集合时，将所述车辆标识交集中每个车辆标识对应的车辆确定为所述第二车辆。

6.一种位移填补的装置，其特征在于，包括：

确定单元，用于将第一车辆在t_n-2时刻、t_n-1时刻和t_n时刻均点云识别到的其他车辆确定为第二车辆；

第一获得单元，用于识别所述第二车辆对应的t_n时刻点云数据，获得所述第二车辆与所述第一车辆的相对位移s_n；

第二获得单元，用于根据所述相对位移s_n和填补位移Δs，填补获得所述第二车辆与所述第一车辆的实际相对位移s_n′；所述填补位移Δs是基于所述第二车辆对应的t_n-2时刻点云数据、t_n-1时刻点云数据识别获得的所述第二车辆与所述第一车辆的相对位移s_n-2、相对速度v_n-2、相对位移s_n-1和相对速度v_n-1运算获得的；

所述确定单元包括：

记录子单元，用于记录所述第一车辆在所述t_n-2时刻点云识别到各个其他车辆对应的标识形成t_n-2时刻车辆标识集；记录所述第一车辆在所述t_n-1时刻点云识别到各个其他车辆对应的标识形成t_n-1时刻车辆标识集；记录所述第一车辆在所述t_n时刻点云识别到各个其他车辆对应的标识形成t_n时刻车辆标识集；

确定子单元，用于基于所述t_n-2时刻车辆标识集、所述t_n-1时刻车辆标识集和所述t_n时刻车辆标识集，交集运算确定所述第二车辆；

所述装置还包括填补位移Δs获得单元，所述填补位移Δs获得单元包括：

第一获得子单元，用于识别所述t_n-2时刻点云数据获得所述相对位移s_n-2和所述相对速度v_n-2；

第二获得子单元，用于识别所述t_n-1时刻点云数据获得所述相对位移s_n-1和所述相对速度v_n-1；

第二获得子单元，用于基于所述相对位移s_n-2、所述相对速度v_n-2、所述相对位移s_n-1和所述相对速度v_n-1，运算获得所述填补位移Δs。

7.一种终端设备，其特征在于，所述终端设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-5任一项所述的位移填补的方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-5任一项所述的位移填补的方法。

Images